基于高斯混合-隐马尔科夫融合算法识别奶牛步态时相

文献类型： 中文期刊

第一作者： 张楷

作者： 张楷;韩书庆;程国栋;吴赛赛;刘继芳

作者机构：

关键词： 奶牛跛行;步态时相;步态分割;高斯混合模型;隐马尔科夫模型;卡尔曼滤波

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2022 年 4 卷 002 期

页码： 53-63

摘要： 奶牛步态时相是反映奶牛健康及跛行严重程度的重要指标.为准确自动识别奶牛步态时相,本研究提出一种融合高斯混合模型(Gaussian Mixture Model,GMM)和隐马尔科夫模型(Hidden Markov Model,HMM)的无监督学习奶牛步态时相识别算法GMM-HMM.使用惯性测量单元采集奶牛后肢加速度和角速度信号,通过卡尔曼滤波消除噪声,筛选并提取特征值,构建GMM-HMM模型,实现奶牛静立相、连续步态中的站立相和摆动相等3种步态时相的自动识别.结果表明,静立相识别的准确率、召回率和F1分别为89.28%、90.95%和90.91%,连续步态中的站立相识别的准确率、召回率和F1分别为91.55%、86.71%和89.06%,连续步态中的摆动相识别的准确率、召回率和F1分别为86.67%、91.51%和89.03%.奶牛步态分割的准确率为91.67%,相较于基于事件的峰值检测法和动态时间规整算法准确率分别提高了4.23%和1.1%.本研究可为下一步基于穿戴式步态分析的奶牛跛行特征提取提供技术参考.

分类号： S24%TP274

  • 相关文献

[1]基于视频分析的鱼类运动目标提取. 张胜茂,赵申,张衡,杨东海. 2017

[2]基于二型模糊逻辑系统的改进卡尔曼滤波算法. 华晶,何火娇,王映龙. 2015

[3]我国农村居民消费行为的实证研究. 向平. 2012

[4]外力干扰下光纤式机器人移动路径优化控制分析. 陈希用. 2020

[5]基于卡尔曼滤波的多波束渔用声呐波束稳定算法仿真及实现. 王志俊,程婧,魏珂,李国栋. 2023

[6]基于卡尔曼滤波算法的菠萝育苗光照强度监测系统. 薛忠,吕建骅,李明,何子明,林铭研,王润涛. 2023

[7]基于SUKF的海洋溶菌酶发酵菌体浓度软测量. 朱湘临,何裕俊,孙谧,王跃军. 2013

作者其他论文 更多>>

微信小程序